适应全新环境并在未见规则下正确推理哪些结果是可能的，是通用智能的核心能力。本文在小规模离散世界中检验该能力：所有网格配置遵循同一套基础规则，并在此基础上加入少量额外规则，形成类似数独的谜题。我们使用单一的深度递归模型（depth‑recurrent）在大量规则组合上进行训练，并在四类新颖度上进行测试：全新谜题、已知规则的新组合、从未共同出现过的规则配对、以及训练中未出现过的规则实例。模型获取活动规则的方式有两种：符号化描述或两组已解示例；同时设置一个不提供任何规则信息的基线模型。实验结果显示，在模型已训练过的规则重新组合上，符号描述的表现与示例相当或更好（新组合上分别为 99% 与 95% 的成功率）。但在完全未共现的规则实例上，符号描述的表现低于无信息基线，而示例仍保持在基线之上。该框架能够系统化地评估多种泛化情形，弥补 ARC‑AGI 等基准的局限，并为深度递归推理模型提供新的评估场景，后者通常只在已饱和的数独基准上测试。
点评